🤖 Category

cs.LG

22512 ورقة بحثية

🤖 machine learning

AutoCluster, AutoTopicModeling, AutoTrendAnalysis: A Complete AutoML Pipeline for Predicting Emerging Trends

تقدم هذه الورقة AutoCluster وAutoTopicModeling وAutoTrendAnalysis، وهي عبارة عن مسار عمل شامل للتعلم الآلي المؤتمت (AutoML) يعمل على أتمتة عمليات التجميع، ونمذجة المواضيع، والتنبؤ بالسلاسل الزمنية للبيانات النصية للتنبؤ بالاتجاهات الناشئة بدقة وبأقل قدر من التدخل اليدوي.

Ahmed Abolfadl, Marwa Mahmoud Abla, Mervat Abu-Elkheir, Maggie Mashaly2026-07-28
💬 NLP

CRAFT: Learn the Schema, Execute the Plan

يُعد CRAFT إطار عمل لتدريب ما بعد المعالجة يتكون من مرحلتين لوكلاء البرمجة في المؤسسات، حيث يتعلم سلوكيات التخطيط والتنفيذ القائمة على المخططات (schema-grounded) دون الحاجة إلى حقن المخططات بشكل شامل أثناء وقت التلقين، مما يحسن الأداء التحليلي والاتساق والكفاءة بشكل كبير مع تقليل العبء الإضافي للرموز (token overhead).

Aakash Kolekar, Sahika Genc, Shahriar Shariat, Bunyamin Sisman, Tibor Mezi, Barbara Poblete, Shree Vandana Kachroo, Calv (…)2026-07-28
🤖 machine learning

DocHRL: A Hierarchical Reinforcement Learning Framework for Cost-Optimised Document Classification

يُعد DocHRL إطار عمل للتعلم التعزيزي الهرمي يقوم باختيار سياسة التصنيف الأكثر فعالية من حيث التكلفة لكل مستند ديناميكيًا عبر الموازنة بين تكاليف الاستدلال، والتصنيف الخاطئ، والمراجعة البشرية، محققًا أداءً فائقًا وكفاءة تشغيلية على معيار RVL-CDIP مقارنة بمسارات العمل الثابتة.

Mohammed Yousif, Prabhjot Singh, Arjun Pankajakshan, Madhu Reddiboina2026-07-28
🤖 machine learning

Extracting Algorithms in Pre-trained LLMs: A Case on Hidden Markov Models

تجسّر هذه الورقة الفجوة بين أداء التعلم داخل السياق للنماذج اللغوية الكبيرة مسبقة التدريب على نماذج ماركوف الخفية وآلياتها الداخلية من خلال التضييق التجريبي للمرشحات الخوارزمية، والتحقق النظري من تنفيذها عبر بنية المحولات (Transformer)، وتقديم مسبار التنشيطات الرئيسية لتحديد والتلاعب سببيًا بالتمثيلات الخطية منخفضة الأبعاد التي تقود هذه التنبؤات.

Yijia Dai, Zhaolin Gao, Yahya Sattar, Jennifer J. Sun, Sarah Dean2026-07-28
🤖 machine learning

A Vocabulary for Multi-Agent Automated Research Systems

تقدم هذه الورقة مفردات شاملة لأنظمة البحث الآلي متعددة الوكلاء تعمل على توحيد وصف خيارات التصميم عبر ثمانية أبعاد رئيسية، مما يتيح مقارنة أكثر وضوحاً، وقرارات هيكلية قابلة للاختبار، وتمييزاً دقيقاً بين "الذوق" التوليدي والتقييمي.

Bardiya Akhbari2026-07-28
🤖 machine learning

Test-Time Coverage: Test-Conditioned Data Curation for Deployment-Aware Learning

تقدم هذه الورقة البحثية TTCov، وهي طريقة لتنقية البيانات مشروطة بالاختبار تقوم ببناء أطلس معرفي من عينات النشر لاختيار بيانات التدريب بتغطية محسنة ومطابقة للتوزيع، مما يعزز أداء القيادة الذاتية دون الحاجة إلى تحديث النموذج في وقت الاستدلال.

Nadine Chang, Maying Shen, Shizhe Diao, Jialiang Wang, Jingde Chen, Thomas Breuel, Pavlo Molchanov, Rafid Mahmood, Jose (…)2026-07-28
🤖 machine learning

CORVUS: Context Optimization and Reduction Via Underlying Synchronization for LLM Coding Agents

يقدم CORVUS بنية مسار مبتكرة لوكلاء البرمجة القائمين على النماذج اللغوية الكبيرة (LLMs) تعمل على فصل إجراءات قراءة الملفات عن ملاحظاتها من خلال الحفاظ على سجل متزامن لمحتويات الملفات الحالية، مما يؤدي إلى القضاء على اللقطات القديمة وإعادة القراءات المتكررة لتقليل استهلاك الرموز (tokens) ودورات الاستدلال بشكل كبير مع الحفاظ على الأداء.

Mingwei Zheng, David OBrien, Siwei Cui, Pardis Pashakhanloo, Rajdeep Mukherjee, Myeongsoo Kim, Sachit Kuhar2026-07-28
🤖 machine learning

Visual Token Compression Enhances Robustness of MLLMs

تقترح هذه الورقة طريقة لتقليم الرموز المرئية تعزز من متانة النماذج اللغوية الكبيرة متعددة الوسائط ضد هجمات الاختراق والهلوسة، وذلك من خلال تحديد وإزالة الرموز المرئية غير المتوافقة وخارج نطاق التوزيع، مع تقليل تكاليف الاستدلال في الوقت ذاته.

Shishen Gu, Jiequan Cui, Wenbo Hu, Zenglin Shi, Zhenzhen Hu, Richang Hong2026-07-28
🤖 machine learning

CausalGate: Causal Importance Distillation for Transformer Module Pruning

يُعد CausalGate إطار عمل موجَّهًا بالتدخل، يقوم باستخلاص درجات الأهمية السببية المستمدة من قياس التأثير الدلالي لتصفير الطبقات الفرعية للمحول (transformer) وتحويلها إلى بوابات قياسية ثابتة لتمكين تقليم الوحدات بكفاءة وبدون عبء إضافي، مما يجعله يتفوق على أساليب الاستدلال التكيفي القائمة على الارتباط الحالية.

Kiran Nair, Smriti Regmi, Rodrigue Rizk2026-07-28
🤖 machine learning

A New Kind of Adversarial Example: Measuring the Human-Model Gap, and Its Relationship to OOD Detection

تقدم هذه الورقة البحثية وتتحقق من فئة جديدة من الأمثلة التنافسية حيث تتسبب الاضطرابات الكبيرة والمرئية في جعل البشر يخطئون في التعرف على الصور بينما تحتفظ النماذج بتنبؤات صحيحة، مما يثبت أن كواشف وخوارزميات الدفاع القياسية الخاصة بالبيانات خارج التوزيع (OOD) غير فعالة إلى حد كبير ضد هذه الفجوة بين الإنسان والنموذج.

Ali Borji2026-07-28